代理式 AI 詞彙表：企業採購者必知的 100 個 AI 代理術語

本詞彙表旨在協助採購者、營運人員與決策者掌握核心術語，以便有信心地評估代理式 AI 平台與合作夥伴，並著重於企業就緒度、客戶體驗（CX）自動化與正式環境等級的部署。

代理式 AI 基礎與核心概念

1. 代理式 AI（Agentic AI） – 能自主規劃、決策並朝目標採取行動的 AI 系統，而非僅回應提示。在企業環境中，代理式 AI 結合 LLM、工具（Actions）與企業知識（Knowledge），實現端對端工作流程，正如 Maven 平台的實作方式。
2. AI 代理（AI Agent） – 以軟體為基礎的實體，能感知輸入、依據情境推理，並採取行動以達成特定目標。與傳統機器人不同，AI 代理能動態調整行為。
3. 自主性（Autonomy） – AI 代理無需人工介入即可獨立運作的程度。自主性越高，效率越好，但也需要更完善的治理與防護機制。
4. 目標導向行為（Goal-Oriented Behavior） – 代理朝既定成果努力，而非處理零散任務的能力。這讓代理能跨系統聰明地安排行動順序。
5. 多代理系統（Multi-Agent System, MAS） – 由多個 AI 代理協作或協調以解決複雜問題的架構。MAS 設計可提升擴充性與專業分工。
6. 行動空間（Action Space） – 代理獲授權可執行的所有行動。定義行動空間對安全性與可預測性至關重要。
7. 策略（Policy） – 規範代理如何決策與選擇行動的一組規則。策略可確保代理符合業務與法規遵循要求。
8. 規劃器（Planner） – 負責將高層次目標拆解為可執行步驟的元件。規劃能力讓代理得以處理複雜的多階段工作流程。
9. 執行器（Executor） – 透過呼叫工具、API 或工作流程來執行既定行動的元件。執行器將推理轉化為實際成效。
10. 推理引擎（Reasoning Engine） – 評估情境、限制條件與選項以決定下一步行動的邏輯層。強大的推理能力是代理行為可靠的基礎。

記憶、知識與情境管理

11. 記憶（Memory） – 讓代理能長期保存並調用資訊的儲存機制。記憶可實現延續性、個人化與學習。
12. 短期記憶（Short-Term Memory） – 在單次互動或工作階段中保留的情境。這讓代理能理解對話脈絡與當下意圖。
13. 長期記憶（Long-Term Memory） – 持久儲存事實、偏好與歷史互動紀錄。長期記憶支援個人化與組織知識累積。
14. 向量資料庫（Vector Database） – 專為嵌入向量相似度搜尋而最佳化的資料庫，常用於儲存代理的記憶與知識。
15. 嵌入（Embeddings） – 以數值表示文字或資料，以捕捉其語意。嵌入讓代理能有效率地擷取相關資訊。
16. 檢索增強生成（Retrieval-Augmented Generation, RAG） – 在生成回應前先檢索相關企業知識，使 AI 輸出有所依據的技術。Maven 運用檢索模式，讓回答以您的知識庫為依據；知識庫可由 Salesforce、Zendesk、Freshdesk、上傳檔案及爬取的網址等來源建立。
17. 知識庫（Knowledge Base） – 經整理的企業內容集合，例如常見問題、政策與文件。代理仰賴知識庫提供有依據的回應。
18. 事實依據（Grounding） – 讓代理回應以經驗證的資料來源為基礎的做法。可減少幻覺並提升可靠性。
19. 情境視窗（Context Window） – LLM 一次可考量的資訊量。管理情境視窗對效能與成本控制至關重要。
20. 幻覺（Hallucination） – AI 模型產生錯誤或捏造資訊的情況。企業平台必須主動降低幻覺。

模型、提示與工具

21. 大型語言模型（Large Language Model, LLM） – 以大量文本語料訓練、能理解與生成語言的模型。LLM 是許多代理的推理核心。
22. 基礎模型（Foundation Model） – 可調整應用於多種下游任務的通用模型。基礎模型讓各種使用情境更具彈性。
23. 提示工程（Prompt Engineering） – 設計提示以引導代理行為與輸出的做法。有效的提示可提升一致性與可靠性。
24. 系統提示（System Prompt） – 定義代理角色、語氣、界線與目標的指示。系統提示可確保行為一致。
25. 工具呼叫（Tool Calling） – 讓代理呼叫外部工具、API 或系統來完成任務。工具呼叫讓代理能採取實際行動。
26. 函式呼叫（Function Calling） – 讓模型以經驗證的輸入呼叫預先定義函式的結構化方式。可提升精確度與安全性。
27. API 整合（API Integration） – 將代理連接到工單、帳務或資料平台等企業系統。整合可實現大規模自動化。
28. CRM 整合（CRM Integration） – 運用客戶資料讓代理行動更個人化、更貼合情境。CRM 整合對客戶體驗（CX）使用情境至關重要。
29. 事件驅動架構（Event-Driven Architecture） – 代理回應事件或觸發條件而非靜態請求的設計，可支援主動式自動化。
30. 工作流程自動化（Workflow Automation） – 無需人工介入即可端對端執行業務流程。代理式工作流程超越單純的規則式自動化。

協調、可靠性與規模

31. 協調（Orchestration） – 將多個代理、工具與工作流程整合為一致的系統。Maven 客戶運用協調功能，將 Actions、Knowledge 與工作流程串連成端對端的客服流程（請參閱 MavenAGI 實際客戶案例）。
32. 並行處理（Concurrency） – 同時執行多個代理程序的能力。高流量環境必須具備並行處理能力。
33. 延遲（Latency） – 代理回應或採取行動所需的時間。低延遲對面向客戶的使用情境至關重要。
34. 處理量（Throughput） – 代理系統在一段時間內可處理的任務數量，反映其擴充性。
35. 擴充性（Scalability） – 在需求增加時維持效能與可靠性。企業級代理必須能可預期地擴充。
36. 備援策略（Fallback Strategy） – 代理失敗或信心不足時預先定義的替代路徑。備援可保障客戶體驗。
37. 升級路徑（Escalation Path） – 必要時將問題轉交給真人或專責代理。有效的升級機制能在自動化與信任之間取得平衡。
38. 自我修復（Self-Healing） – 自動偵測錯誤或故障並自行復原，可提升系統韌性。
39. 狀態管理（State Management） – 跨互動追蹤代理的情境與進度，確保延續性。
40. 工作階段管理（Session Management） – 安全且有效率地處理使用者與代理之間的個別互動。

治理、安全與法規遵循

41. 防護機制（Guardrails） – 防止不安全、不合規或不當行動的限制。防護機制是確保代理行為安全合規的政策、限制與檢查，在代理呼叫 Actions 或使用企業 Knowledge 時尤其重要（請參閱 MavenAGI 的信任、安全與法規遵循做法）。
42. 人機協作（Human-in-the-Loop, HITL） – 在代理工作流程中納入人工審核。HITL 常用於部署初期。
43. 人工監督（Human-on-the-Loop） – 由人員監督代理，僅在超出閾值時介入，可在保有監督的同時實現規模化。
44. 治理（Governance） – 確保代理行為負責任的政策、控管與流程。治理是企業導入的關鍵。
45. 法規遵循（Compliance） – 遵守法規、法律與組織標準。法規遵循要求因產業而異。
46. 資料隱私（Data Privacy） – 保護代理所使用的敏感客戶與企業資料。隱私設計（Privacy-by-design）不可或缺。
47. 安全性（Security） – 防範未經授權的存取、濫用或資料外洩。安全性是信任的基礎。
48. 存取控制（Access Control） – 管理代理行動與資料存取的權限。精細的控管可降低風險。
49. 稽核紀錄（Audit Logs） – 代理行動與決策的不可竄改紀錄。可稽核性有助於法規遵循與問責。
50. 可解釋性（Explainability） – 理解並說明代理為何採取特定行動的能力。

評估、最佳化與學習

51. 可觀測性（Observability） – 掌握代理行為、決策與結果的能力。可觀測性有助於持續改進。
52. 遙測（Telemetry） – 代理為監控與分析而產生的營運資料。遙測資料為評估系統提供依據。
53. 評估（Evaluation, Eval） – 衡量代理的準確度、品質與業務影響。評估應持續進行，而非一次性作業。
54. 基準測試（Benchmarking） – 將代理效能與基準或替代方案比較。基準測試可作為投資決策的參考。
55. A/B 測試（A/B Testing） – 測試多個代理版本以找出最佳效能。A/B 測試可降低風險。
56. 反思（Reflection） – 代理評估並改進自身輸出的能力。反思可提升穩健性。
57. 回饋循環（Feedback Loop） – 將使用者或系統回饋納入代理的改進週期。
58. 持續學習（Continuous Learning） – 隨時間持續精進代理行為，支撐長期價值。
59. 合成資料（Synthetic Data） – 以人工方式產生、用於測試或訓練的資料。合成資料可降低對敏感資料的依賴。
60. 模擬（Simulation） – 在正式部署前，於受控環境中測試代理行為。

客戶體驗（CX）、自動化與業務成果

61. 對話式 AI（Conversational AI） – 以自然語言與使用者互動的代理。對話式代理是客戶體驗（CX）自動化的核心。
62. 自然語言理解（Natural Language Understanding, NLU） – 解讀使用者的意圖、實體與情境。NLU 讓轉介與問題解決更精準。
63. 自然語言生成（Natural Language Generation, NLG） – 產生連貫、擬人的回應。NLG 會影響使用者感受到的品質。
64. 情緒分析（Sentiment Analysis） – 偵測使用者訊息中的情緒語氣。情緒可作為升級與個人化的依據。
65. 意圖分類（Intent Classification） – 將使用者請求歸入預先定義的意圖類別。意圖準確度直接影響解決率。
66. 槽位填充（Slot Filling） – 從非結構化輸入中擷取結構化資訊，以支援自動化。
67. 個人化（Personalization） – 依使用者情境與歷史紀錄調整代理行為。個人化可提升 CSAT。
68. 客戶體驗（CX）自動化（CX Automation） – 運用代理與工作流程處理客戶互動與後端任務，無需人工作業。在 Maven 中，客戶體驗（CX）自動化由 Maven 平台驅動，代理運用 Actions 與 Knowledge 解決對話，並與 CRM、服務台等系統整合。
69. 自主解決（Autonomous Resolution） – 無需人員參與即可完成客戶任務。自主解決可降低服務成本。
70. 案件分流（Case Deflection） – 在不建立客服工單的情況下解決問題。分流可提升營運效率。

指標、投資報酬率與採購考量

71. 首次聯繫解決率（First Contact Resolution, FCR） – 在單次互動中解決客戶問題。FCR 是關鍵的客戶體驗（CX）指標。
72. CSAT – 客戶滿意度分數，衡量客戶感受到的體驗品質。
73. 淨推薦值（Net Promoter Score, NPS） – 反映客戶忠誠度與推薦意願的指標。
74. 投資報酬率（ROI） – 代理式 AI 投資所帶來的財務回報。證明 ROI 是擴大規模的關鍵。
75. 價值實現時間（Time to Value, TTV） – 組織從部署中獲得效益的速度。
76. 成本最佳化（Cost Optimization） – 管理運算、工具與模型成本。成本控管有助於永續經營。
77. Token 管理（Token Management） – 控制 LLM 的輸入與輸出用量。Token 效率直接影響成本。
78. 採用指標（Adoption Metrics） – 追蹤各團隊或客戶對代理的使用與參與情形。
79. 變革管理（Change Management） – 讓人員與流程做好導入代理的準備。變革管理可降低阻力。
80. 賦能（Enablement） – 訓練團隊有效運用代理式系統。

平台策略與企業就緒度

81. 代理框架（Agent Framework） – 用於建構與管理代理的軟體框架。框架選擇會影響彈性。
82. 平台化做法（Platform Approach） – 以單一系統統一部署、監控與治理代理，而非拼湊各種單點工具。Maven 即採用此模式，以單一平台整合 Knowledge、Actions、品質控管與 Insights。
83. 最佳組合（Best-of-Breed） – 組合多種專業工具而非採用單一平台。可提升彈性，但也增加複雜度。
84. 互通性（Interoperability） – 代理跨系統與跨供應商運作的能力。
85. 供應商綁定（Vendor Lock-In） – 依賴單一技術供應商。採購者應評估退出策略。
86. 開放標準（Open Standards） – 實現可攜性與整合的共通協定。
87. 產品藍圖（Roadmap） – 代理能力與功能的規劃演進方向。
88. 概念驗證（Proof of Concept, POC） – 在擴大規模前用於驗證價值的小規模部署。
89. 正式環境就緒度（Production Readiness） – 正式上線環境所需的穩定性、安全性與擴充性。
90. 企業級（Enterprise-Grade） – 符合可靠性、治理、安全性與規模要求，讓代理能安全地在正式環境中運作。Maven 專為企業級部署而設計，提供深度整合、分析功能，以及對 Actions 與 Knowledge 的控管（請參閱 MavenAGI 實際客戶案例）。

進階代理能力

91. 主動性（Proactivity） – 代理在沒有明確提示的情況下主動採取行動。主動式代理可創造新的效率。
92. 推薦引擎（Recommendation Engine） – 根據情境與資料建議最佳下一步行動。
93. 決策支援（Decision Support） – 以洞察協助人員，最終決策仍由人員做出。
94. 情境感知（Contextual Awareness） – 理解原始輸入之外的情境細微差異。
95. 信心評分（Confidence Scoring） – 評估代理輸出的可靠程度。
96. 成熟度模型（Maturity Model） – 描述代理能力成長階段的框架。
97. 自建或採購（Build vs. Buy） – 評估應自行打造客製代理，還是導入平台。
98. 知識依據策略（Knowledge Grounding Strategy） – 確保事實準確性的系統化方法。
99. 營運型 AI（Operational AI） – 直接嵌入實際業務流程的 AI。
100. 自主企業（Autonomous Enterprise） – 由代理在防護機制內處理大部分可重複的營運與工作流程，而人員專注於判斷、關係經營與例外狀況的組織。在 Maven 中，這代表由人員與代理組成的混合團隊，而非純 AI 營運。

如需導入指引與實際範例，歡迎瀏覽我們的客戶案例，或與我們的團隊聯繫以安排即時導覽。